UKURAN KERUNCINGAN DATA

OLEH :

NAMA : YOHANES M.ARDIS

NIM : 1803020038

KELAS : E

DOSEN WALI : Drs. LUKAS J. B. B. HATTU, M.Si

JURUSAN ILMU ADMINISTRASI BISNIS

FAKULTAS ILMU SOSIAL DAN ILMU POLITIK

UNIVERSITAS NUSA CENDANA KUPANG

2018/2019
 Kata Pengantar

Dengan mengucapkan Terimakasih kehadirat Tuhan Yang Maha Esa, atas

segala Rahmat-Nya, Sehingga saya penulis dapat menyelesaikan Makalah ini.
Penulisan makalah ini digunakan untuk memenuhi salah satu syarat kelulusan
mata kuliah STATISTIKA sebagai nilai Ujian Akhir Semester (UAS).

Pada Makalah ini, saya akan membahas hasil analisa studi yang berkenaan pada
pembahasan makalah ini yaitu “UKURAN PENYEBARAN DATA (kemiringan dan keruncingan
distribusi data)”. Saya menyadari penulisan makalah ini jauh
dari sempurna, maka dari itu saya berharap saran dan kritik untuk kesempurnaan
makalah ini. Akhirnya saya berharap semoga makalah ini dapat memberi manafaat
yang sebesar-besarnya bagi saya dan pihak yang memerlukan.
 Daftar Isi

 Kata Pengantar…………..…………………………………..……………………………………….. i
 Daftar Isi ……………………………………………………………………............................... ii
Bab 1 ………………….................................................................................. 1
1.1 Pendahuluan …………………………..…………..………………………………………. 1

Bab 2 …………………………………………………………………………….…………………… 2

2.1 Pembahasan ……………………………………………………………………………..... 2

2.2 Ukuran Kemiringan …………………………………………………...................... 2
2.3 Ukuran Keruncingan …………………………………………………………………… 11

Bab 3 ………………………………………………………………………..……………………… 23

3.1 Penutup ……………………………………………………………….……………………. 23

3.2 Daftar Pustaka …………………………………….…………………………………….. 24
 BAB I
PENDAHULUAN

A. Latar Belakang
Statistika tidak dapat dipisahkan dalam kehidupan sehari-hari. Tanpa sadar kita sering
menjumpai data statistika. Ilmu statistika dapat membantu seseorang dalam menyelesaikan
masalah yang kaitannya dengan data tunggal maupun kelompok. Salah satu jenis dari statistika
mengenai kemiringan dan keruncingan. Dalam malakah ini, akan dijelaskan mengenai pengertian,
jenis dan kurva dari suatu kemiringan dan keruncingan distribusi data tunggal maupun kelompok.
Materi dalam makalah ini juga dilengkapi dengan contoh soal dan latihan soal untuk menguji
pemahaman dari materi yang telah dipelajari.
 BAB II

PEMBAHASAN

Misalkan kita mempunyai sekumpulan data populasi. Apabila digambarkan grafiknya

maka akan diperoleh beberapa macam model distribusinya. Dari beberap model distribusi tersebut
ada enam model yang dikaitkan dengan ukuran kemiringan dan ukuran keruncingan. Oleh karena
itu berikut ini akan dibahas kedua macam ukuran tersebut.

A. UKURAN KEMIRINGAN

Kemiringan (skewness) dari suatu distribusi adalah derajat kesetangkupan (derajat

simetris) dari distribusi tersebut (Sartono, 1997). Adapun ukuran kemiringan adalah ukuran yang
menyatakan derajat ketidaksimetrisan suatu lengkungan halus (kurva) dari suatu distribusi
frekuensi. Dapat pula dikatakan bahwa ukuran kemiringan adalah harga yang menunjukkan
seberapa jauh distribusi itu menyimpang dari simetris. Jika kita tinjau berdasarkan kemiringan,
suatu kurva distribusi dapat dikelompokkan menjadi tiga bagian, yaitu sebagai berikut:

Distribusi Positif Distribusi Simetrik Distribusi Negatif

Menurut Pearson, dari hasil koefisien kemiringan diatas ada tiga kriteria untuk mengetahui model
distribusi dari sekumpulan data (baik data tidak berkelompok maupun data berkelompok), yaitu:
1. Jika koefisien kemiringannya lebih kecil dari nol (<0), model distribusinya negatif
 2. Jika koefisien kemiringannya sama dengan nol (= 0), model distribusinya simetris
3. Jika koefisien kemiringannya lebih besar dari nol (> 0), model distribusinya positif.

Ada beberapa rumus untuk menghitung koefisien kemiringan, yaitu:

a. Koefisien kemiringan pertama dari Pearson

Koefisien kemiringan

Keterangan : = rata-rata
Mo = modus
S = simpangan baku
b. Koefisien kemiringan kedua dari Pearson
Koefisien kemiringan

Keterangan : = rata-rata
Me = median
S = simpangan baku
c. Koefisien kemiringan menggunakan nilai kuartil
Koefisien kemiringan =

dengan = kuartil pertama

= kuartil kedua
= kuartil ketiga.

d. Koefisien kemiringan menggunakan nilai persentil

Koefisien kemiringan =

dengan = Persentil ke 90
= Persentil ke 50
= Persentil ke 10

Contoh :
Misalkan berat badan bayi (dicatat dalam kg) yang baru lahir selama seminggu tertentu di rumah
sakit bersalin “Sehat” dapat dilihat dalam tabel berikut.
Berat Badan bayi yang Baru Lahir
Selama Seminggu tertentu di Rumah Sakit Bersalin
Berat Badan (Kg) Banyak Bayi

2,5 – 2,6 2

2,7 – 2,8 3

2,9 – 3,0 5

3,1 – 3,2 7

3,3 – 3,4 6

3,5 -3,6 5
Jumlah 28
Hitung koefisien kemiringannya dengan menggunakan nilai kuartil.
Penyelesaian :
1. Menggunakan rumus kemiringan pertama dari pearson
Untuk memudahkan mencari koefisien kemiringan, maka kita gunakan tabel dibawah ini

Berat Banyak Nilai Fi .xi Fk µ d F. d F.d²

Badan Bayi Tengah
(Kg) (xi)
(Fi)

2,5 – 2,6 2 2,55 5,1 2 - 0,6 -3 -6 36

2,7 – 2,8 3 2,75 8,25 5 -0,4 -2 -6 36

2,9 – 3,0 5 2,95 14,75 10 -0,2 -1 -5 25

3,1 – 3,2 7 3,15 22.05 17 0 0 0 0

3,3 – 3,4 6 3,35 20,1 23 0,2 1 6 36

3,5 -3,6 5 3,55 17,75 28 0,4 2 10 100

Jumlah 28 88 19 233

Koefisien kemiringan pertama dari pearson =

= = = 3,14

Modus = Tb Mo + p (

Keterangan : tbm = tepi bawah kelas modus

p = panjang kelas
d1 = selisih frekuensi kelas modus dengan kelas sebelumnya
d2 = selisih frekuensi kelas modus dengan kelas sesudahnya
Berdasarkan frekuensi kelas modus terletak di kelas keempat. Jadi tbm = 3,1 – 0,05 = 3,05, p
=0,2, d1= 7-5 = 2, d2 = 7-6 = 1.

Modus = tbm + p (

= 3,05+ 0,2 (

= 3,05+ 0,13
= 3,18

S =P

= 0,2

= 0,2

= 0,2
 = 0,2

= 0,2

= 0,2 . 1,47

= 0,294

Koefisien kemiringan pertama dari pearson =

= -0,13
Karena koefisien kemiringannya -0,13 yaitu kurang dari 0, maka model distribusinya adalah
distribusi negatif.

2. Koefisien kemiringan kedua dari Pearson

Koefisien kemiringan

Sebelumnya kiita sudah ketahui :

= 3,14 , s = 0,294

Median = = = , terletak dikelas interval ke-4.

Jadi tbm = 3,1 – 0,05 = 3,05, p = 3,1 – 2,9 = 0,2, F =

Me = Tb Me + p (

= 3,05+ 0,2 (

= 3,05 + 0,2

= 3,05 + 0,11
= 3,16
Koefisien kemiringan

= - 0,204
Karena koefisien kemiringannya -0,204 yaitu kurang dari 0, maka model distribusinya adalah
distribusi negatif.

3. Koefisien kemiringan menggunakan nilai kuartil

Rumus yang digunakan adalah:

Koefisien kemiringan =

dengan = kuartil pertama

= kuartil kedua
= kuartil ketiga.
Sebelumnya kita harus mencari terlebih dahulu nilai-nilai (kuartil pertama), (kuartil kedua,
(kuartil ketiga)

Untuk (kuartil pertama)

Kelas kuartil pertama adalah sebuah kelas interval yang frekuensinya apabila dijumlahkan dati
frekuensi kelas interval pertama mencapai paling sedikit n, yaitu x 28 orang = 7 orang.
Ternyata kelas kuartil pertama terletak pada kelas interval ketiga, karena jumlah frekuensinya (2
+ 3 + 5) orang = 10 orang. Sehingga kita bisa menghitung besaran-besaran yang diperlukan dalam
rumus kuartil pertama, yaitu
= 2,9 – 0,05 = 2, 85

p = 0,2
F =2+3=5
=5

= +p( )

= 2,85 + 0,2 ( )

= 2,85 + 0,08
= 2,93

Untuk (kuartil kedua)

Letak ada pada data ke- = x 28 orang = 14 orang, yaitu pada kelas ke-4, interval 3,1 – 3,2

sehingga:
= 3,1 – 0,05 = 3,05; p = 0,2; F = 10; dan = 7.

= +p( )

= 3,05 + 0,2 ( )

= 3,05 + 0,11
= 3,16

Untuk (kuartil ketiga)

Letak ada pada data ke- n= x 28 orang = 21, yaitu pada kelas ke-5, interval 3,3 – 3,4

sehingga:
= 3,3 – 0,05 = 3,25; p = 0,2; F = 17; dan = 6.

= +p( )
 = 3,25 + 0,2 ( )

= 3,25 + 0,2 ( )

= 3,25 + 0,13
= 3,38
Diperoleh koefisien kemiringan =

= -0,022
Karena koefisien kemiringannya -0,022 yaitu kurang dari 0, maka model distribusinya adalah
distribusi negatif.

4. Koefisien kemiringan menggunakan nilai persentil

Koefisien kemiringan =

Untuk persentil ke 90,

Kelas persentil ke 90 adalah sebuah kelas interval yang frekuensinya apabila dijumlahkan dari
frekuensi kelas interval pertama mencapai paling sedikit n. yaitu x 28 orang = 25,2 orang.

Ternyata kelas persentil ke 90 terletak pada interval keenam, karena jumlah frekuensinya
mencapai (2 + 3 + 5 + 7 + 6 + 5) orang = 28 orang sehingga kita bisa menghitung besar-besaran
yang diperlukan dalam rumus persentil ke 90, yaitu b = 3,5 – 0,05 = 3,45; p = 0,2; F= 2 + 3 + 5 +
7 + 6 = 23; dan =5

Jadi: = Tb +p

= 3,45 + 0,2

= 3,45 + 0,2 ( )

= 3,45 + 0,088
= 3.538
Untuk persentil ke 50,
Kelas persentil ke 50 adalah sebuah kelas interval yang frekuensinya apabila dijumlahkan dari
frekuensi kelas interval pertama mencapai paling sedikit n, yaitu = x 28 orang = 14 orang.

Ternyata kelas persentil ke 50 terletak pada kelas interval keempat, karena jumlah frekuensinya
mencapai (2+3+5+7) orang = 17 orang. Sehingga kita bisa menghitung besar-besaran yang
diperlukan dalam rumus persentil ke 50, yaitu b = 3,1 – 0,05 = 3,05; p = 0,2, F = 10 ; =7

Jadi : = Tb +p

= 3,05 + 0,2

= 3,05 + 0,2 (

= 3,05 + 0,11
= 3,16

Untuk persentil ke 10,

Kelas persentil ke 10 adalah sebuah kelas interval yang frekuensinya apabila dijumlahkan dari
frekuensi kelas interval pertama mencapai paling sedikit n, yaitu = x 28 orang = 2,8 orang.

Ternyata kelas persentil ke 10 terletak pada kelas interval kedua, karena jumlah frekuensinya
mencapai (2 + 3) orang = 5 orang. Sehingga kita bisa menghitung besar-besaran yang diperlukan
dalam rumus persentil ke 10, yaitu b = 2,7 – 0,05 = 2,65; p = 2,9 – 2,7 = 0,2; F = 2; =3

Jadi : = Tb +p

= 2,65 + 0,2

= 2,65 + 0,2

= 2,65 + 0,053
= 2,703

Koefisien kemiringan =
 =

= - 0,094
Karena koefisien kemiringannya -0,094 yaitu kurang dari 0, maka model distribusinya adalah
distribusi negatif.

B. UKURAN KERUNCINGAN (Kurtosis)

Selain kemiringan, kita perlu juga mengetahui keruncingan/kelancipan (kurtosis) suatu distribusi.
Kurtosis (peadkedness) dari suatu distribusi adalah derajat kelancipan dari distribusi tersebut
dibandingkan terhadap distribusi normal (kurva normal). Ditinjau dari segi kelancipannya, suatu
distribusi dapat dibedakan menjadi tiga :

Leptokurtik Platikurtik Mesokurtik

1. Jika suatu distribusi (kurva) lebih landai atau lebih tumpul dibandingkan terhadap kurva
normal, distribusinya disebut platikurtis
2. Jika suatu distribusi (kurva) normal, distribusinya disebut mesokurtis
3. Jika suatu distribusi (kurva) lebih lancip ataulebih ramping dibandingkan terhadap kurva
normal, distribusinya disebut leptokurtis.
Untuk mengetahui apakah sekumpulan data mengikuti distribusi leptokurtik, platikurtik atau
mesokurtik, hal ini dapat dilihat berdasarkan nilai koefisien kurtosisnya. Untuk menghitung
koefisien kurtosis digunakan rumus koefisien kurtosis, yaitu :

K=

dengan : = Kuartil kesatu

= Kuartil ketiga
= Persentil ke 10
= Persentil ke 90

Dari hasil koefisien kurtosis diatas, ada tiga kriteria untuk mengetahui model distribusi dari
sekumpulan data, yaitu :
1. jika koefisien kurtosisnya kurang dari 0,263 (< 0,263), maka distribusinya adalah
platikurtis
2. jika koefisien kurtosisnya sama dengan 0,263 (=0,263), maka distribusinya adalah
mesokurtis
3. jika koefisien kurtosisnya lebih dari 0,263 (>0,263), maka distribusinya adalah leptokurtis

Contoh:
Lihat data dalam daftar (1), yaitu mengenai berat badan bayi yang baru lahir selama seminggu
tertentu dari rumah sakit bersalin “Sehat”. Hitung koefisien kurtosisnya.

Penyelesaian:

Rumus yang digunakannya adalah :

Q=

Kita sudah menghitung : = 2,93, = 3,38, = 2,703 dan = 3,538

Berarti: K =

= 0,269
Karena koefisien keruncingannya lebih dari 0,263 (>0,263), maka distribusinya adalah leptokurtis.

Soal – soal latihan :

1. Tentukan koefisien kemiringan data berat badan 100 orang dibawah ini menggunakan
rumus pertama dari pearson dan tentukan jenis distribusinya !

Berat Badan (kg) Banyaknya (orang)

25-29 8

30-34 12

35-39 26

40-44 16

45-49 15

50-54 9

55-59 14

Jumlah 100

2. Dari data soal no. 1 di atas, tentukanlah koefisien kemiringannya dengan menggunakan
rumus kedua dari pearson dan tentukan jenis distribusinya !
 3. Dari data soal no. 1 di atas, tentukanlah koefisien kemiringannya dengan menggunakan
nilai kuartilnya dan tentukan jenis distribusinya !
4. Dari data soal no. 1 di atas, tentukanlah koefisien kemiringannya dengan menggunakan
nilai persentilnya dan tentukan jenis distribusinya !
5. Dari data soal no. 1 di atas, tentukanlah koefisien keruncingannya dan termasuk jenis
distribusi apakah nilai koefisien keruncingan tersebut ?

Kunci jawaban :
Penyelesaian :

Berat F xi Fi .xi Fk µ d F. d F.d²

Badan
(Kg)

25-29 8 27 216 8 -10 -2 -16 32

30-34 12 32 384 20 -5 -1 -12 12

35-39 26 37 962 46 0 0 0 0

40-44 16 42 672 62 5 1 16 16

45-49 15 47 705 77 10 2 30 60

50-54 9 52 468 86 15 3 27 81

55-59 14 57 798 100 20 4 56 224

Jumlah 100 4205 101 425

1. Koefisien kemiringan pertama dari pearson =

= = = 42,05

Modus = tbm + p (

Keterangan : tbm = tepi bawah kelas modus

p = panjang kelas
d1 = selisih frekuensi kelas modus dengan kelas sebelumnya
d2 = selisih frekuensi kelas modus dengan kelas sesudahnya
Berdasarkan frekuensi kelas modus terletak di kelas ketiga. Jadi tbm = 35 – 0,5 = 34,5, p = 5,
d1= 26-12 = 14, d2 = 26-16 = 10.
Modus = tbm + p (

= 34,5 + 5 (

= 34,5 + 2,916
= 37,416

S =P

=5

=5

=5

=5

=5
= 5 . 1,79
= 8,95
Koefisien kemiringan pertama dari pearson =

=
 = 0,517

Karena koefisien kemiringannya 0,517 yaitu lebih dari 0, maka model distribusinya adalah
distribusi positif.

2. Diketahui :Kita sudah mendapatkan hasil 42,05, s = 8,95

Ditanya : Berapa nilai koefisien kemiringan kedua dari Pearson ?

Penyelesaian : Koefisien kemiringan

Median = = = , terletak dikelas interval ke-4.

Jadi, tbMe = 40 – 0,5 = 39,5, p = 5, F = 8+12+26 = 46, F 16

Me = Tb Me + p (

= 39,5 + 5 (

= 39,5 + 1,25
= 40,75
Koefisien kemiringan kedua dari pearson

= 0,435
Karena koefisien kemiringannya 0,435 yaitu lebih dari 0, maka model distribusinya adalah
distribusi positif.

3. Diketahui :
Ditanya :Berapa nilai koefisien kemiringannya menggunakan nilai kuartil?
Penyelesaian : Koefisien kemiringan menggunakan nilai kuartil
Koefisien kemiringan =

Letak = n

= 100

= 25 terletak dikelas interval ke 3.

Jadi tb = 35 – 0,5 = 34,5, p= 5, F = 8+12 = 20, F 26

= tb +p(

= 34,5 + 5 (

= 34,5 + 5 (

= 34,5 + 0,961
= 35,461

= 40,75
Letak = = = 75 terletak dikelas interval ke 5.

Jadi tb = 45 –0,5= 44,5, p = 5, F =8+12+26+16 = 62, F 15

= tb +p(

= 44,5 + 5 (

= 44,5 + 4,3
= 48,5
Koefisien kemiringan =

= 0,188
Karena koefisien kemiringannya 0,188 yaitu lebih dari 0, maka model distribusinya adalah
distribusi positif

4. Penyelesaian : Nilai koefisien kemiringan menggunakan nilai persentil

Koefisien kemiringan =

Letak = = = 90 terletak dikelas interval ke 7.

Jadi tb = 55 –0,5= 54,5, p = 5, F =8+12+26+16+15+9 = 86, F 14

= tb +p(

= 54,5 + 5 (

= 54,5 + 1,42
= 55,92
Letak = = = 50 terletak dikelas ke 4.

Jadi tb = 40 –0,5= 39,5, p = 5, F =8+12+26 = 46, F 16

= tb +p(

= 54,5 + 5 (

= 39,5 + 1,25
= 40,75
Letak = = = 10 terletak dikelas ke 2.

Jadi tb = 30 –0,5= 29,5, p = 5, F =8, F 12

= tb +p(

= 29,5 + 5 (

= 29,5 + 0,83
= 30,33

Koefisien kemiringan =
 =

= 0,185
Karena koefisien kemiringannya 0,185 yaitu lebih dari 0, maka model distribusinya adalah
distribusi positif.

5. Diketahui : = 35,461, = 48,5 , = 55,214 , = 30,33

Ditanya : Berapa nilai koefisien keruncingannya dan termasuk jenis distribusi apa ?
Penyelesaian :

K=

= 0,254

Karena nilai koefisien kurtosisnya kurang dari 0,263 (< 0,263), maka distribusinya adalah
platikurtil.
 BAB III

PENUTUP

Statistika dipelajari di berbagai bidang ilmu karena statistika adalah sekumpulan alat analisis data
yang dapat membantu pengambil keputusan untuk mengambil keputusan berdasarkan hasil
kesimpulan pada analisis data dari data yang dikumpulkan. Selain itu juga dengan statistika kita bisa
meramalkan keadaan yang akan datang berdasarkan data masa lalu. Statistika Deskriptif memberikan
informasi yang terbatas, yaitu memberi informasi yang terbatas pada data apa adanya. Oleh
karenanya pemakai statistik deskriptif tidak dapat mengambil kesimpulan yang umum atas data yang
terbatas. Kesimpulan yang dapat diambil, terbatas atas data yang ada.

Kegunaan mempelajari ilmu Statistik adalah:

1. Memperoleh gambaran suatu keadaan atau persoalan yang sudah terjadi.

2. Untuk Penaksiran (Forecasting)

3. Untuk Pengujian (Testing Hypotesa)

Sedangkan Pentingnya mempelajari Dispersi data didasarkan pada 2

pertimbangan:

1. Pusat data (rata2, median dan modus) hanya memberi informasi yang

sangat terbatas.

2. Kedua, dispersi data sangat penting untuk membandingkan penyebaran

dua distribusi data atau lebih.

DAFTAR PUSTAKA

Herrhyanto, Nar, Hamid, H.M. Akib. 2008. Statistika Dasar. Jakarta : Universitas

Terbuka.